魯青龍1 青鵬2 陳利瓊2

1.西南管道分公司； 2.西南石油大學(xué)

摘要：針對(duì)目前油氣管道高后果區(qū)識(shí)別標(biāo)準(zhǔn)在數(shù)據(jù)采集方法是靜態(tài)間歇的特點(diǎn)，分析結(jié)果與管道實(shí)際環(huán)境的變化不能同步、缺乏前瞻性等局限。分析在大數(shù)據(jù)和智能管道建設(shè)的前提下， HCA特征數(shù)據(jù)庫(kù)來(lái)源，提出應(yīng)用大數(shù)據(jù)獲取識(shí)別和風(fēng)險(xiǎn)管理參數(shù)特征信息的思路。利用移動(dòng)通訊大數(shù)據(jù)和數(shù)據(jù)挖掘工具，分析人口密集型高后果區(qū)特征參數(shù)，為HCA第三方人為破壞風(fēng)險(xiǎn)管理提供更合理的數(shù)據(jù)依據(jù)；利用交通和城鄉(xiāng)規(guī)劃大數(shù)據(jù)，分析違章施工發(fā)展趨勢(shì)；利用海量管道焊縫檢測(cè)和內(nèi)檢測(cè)數(shù)據(jù)，提煉管道施工缺陷特征參數(shù)，分析施工質(zhì)量與特征參數(shù)的關(guān)聯(lián)性。

關(guān)鍵詞：高后果區(qū)；管道泄漏；大數(shù)據(jù)；特征信息

管道高后果區(qū)（High Consequence Areas，HCA）是指管道泄漏會(huì)嚴(yán)重危及公眾安全或造成較大環(huán)境破壞的區(qū)域。近幾年來(lái)，我國(guó)油氣管道事故頻發(fā)，造成了嚴(yán)重的人員傷亡和財(cái)產(chǎn)損失。所以，正確識(shí)別油氣管道高后果區(qū)，保障高后果區(qū)的安全非常重要。

高后果區(qū)會(huì)隨管道周邊社會(huì)和環(huán)境變化而同時(shí)發(fā)生變化，故高后果區(qū)的識(shí)別和管理是個(gè)動(dòng)態(tài)的過(guò)程。目前，我國(guó)在油氣管道高后果區(qū)的識(shí)別和管理均遵循GB 32167―2015《油氣輸送管道完整性管理規(guī)范》和SY/T 7380―2017《輸氣管道高后果區(qū)完整性管理規(guī)范》。但現(xiàn)有方法仍然存在一定的局限性，例如：①對(duì)管道高后果區(qū)沒(méi)有明確定義；②識(shí)別標(biāo)準(zhǔn)不明確；③多考慮了特定地區(qū)、人口和建筑物因素；④忽略了人的干預(yù)（管理與操作）對(duì)后果的影響；⑤忽略了初始泄漏發(fā)生后外界對(duì)致災(zāi)軌跡的影響；⑥只考慮了人口密度的影響，但沒(méi)考慮人口組成和素質(zhì)；⑦缺乏對(duì)管道高后果區(qū)識(shí)別程序的說(shuō)明。

針對(duì)識(shí)別標(biāo)準(zhǔn)中數(shù)據(jù)采集是靜態(tài)間歇的特點(diǎn)，分析識(shí)別結(jié)果與管道實(shí)際環(huán)境的變化不能同步、缺乏前瞻性等局限，以及在大數(shù)據(jù)和智能管道建設(shè)前提下，HCA特征數(shù)據(jù)庫(kù)來(lái)源，提出應(yīng)用大數(shù)據(jù)獲取識(shí)別和風(fēng)險(xiǎn)管理參數(shù)特征信息的思路。

1 大數(shù)據(jù)在油氣管道方面的應(yīng)用現(xiàn)狀

油氣管道大數(shù)據(jù)包括管道基礎(chǔ)數(shù)據(jù)、檢驗(yàn)數(shù)據(jù)和風(fēng)險(xiǎn)分析數(shù)據(jù)等。國(guó)外專家學(xué)者采用多種大數(shù)據(jù)分析方法對(duì)管道泄漏、腐蝕速率、剩余壽命、缺陷類型和失效機(jī)理等進(jìn)行預(yù)測(cè)。 Liao等使用粒子群優(yōu)化遺傳算法和BP神經(jīng)網(wǎng)絡(luò)去預(yù)測(cè)濕天然氣集輸管線的內(nèi)腐蝕速率[1]。 Timashev等使用純生和純滅的馬爾可夫過(guò)程來(lái)描述管道的多種腐蝕缺陷的生長(zhǎng)和減少[2]。 Abbasy 等使用人工神經(jīng)網(wǎng)絡(luò)建立了基于歷史檢驗(yàn)數(shù)據(jù)的模型，來(lái)對(duì)海上油氣管道狀況進(jìn)行評(píng)價(jià)和預(yù)測(cè)[3]。 Castellanos等開(kāi)發(fā)了一個(gè)綜合多種算法的失效分析專家系統(tǒng)，可以確定陸上管道的可能失效機(jī)理[4]。 Layouni等使用小波分析和人工神經(jīng)網(wǎng)絡(luò)來(lái)處理管道漏磁檢測(cè)信號(hào)，以確定管道缺陷類型和估計(jì)深度[5]。

國(guó)內(nèi)大數(shù)據(jù)應(yīng)用研究還處于探索階段。林現(xiàn)喜等構(gòu)建了在大數(shù)據(jù)下的管道內(nèi)檢測(cè)模型，提出了在大數(shù)據(jù)下對(duì)內(nèi)檢測(cè)數(shù)據(jù)的深度挖掘與應(yīng)用[6]。吳琋瑛通過(guò)大數(shù)據(jù)理論結(jié)合案例分析得出了現(xiàn)場(chǎng)設(shè)備與數(shù)據(jù)之間的相關(guān)關(guān)系[7]。董紹華等建立了適合于未來(lái)發(fā)展的管道系統(tǒng)大數(shù)據(jù)管理架構(gòu)模型，提出了基于大數(shù)據(jù)的管道數(shù)據(jù)算法模型，為大數(shù)據(jù)在管道行業(yè)的發(fā)展建立了基礎(chǔ)[8]。顧曉婷等人給出了基于大數(shù)據(jù)管道安全評(píng)估的模式，為初步判斷管道的安全性能提供了理論基礎(chǔ)，同時(shí)介紹了基于大數(shù)據(jù)的管道可靠性評(píng)估方法[9]。王新穎等人從管道大數(shù)據(jù)中挖掘有效信息，高效準(zhǔn)確地識(shí)別管道存在的風(fēng)險(xiǎn)，建立城市管網(wǎng)風(fēng)險(xiǎn)預(yù)測(cè)體系，結(jié)合深度置信網(wǎng)絡(luò)，提出了基于深度置信網(wǎng)絡(luò)的管道風(fēng)險(xiǎn)預(yù)測(cè)方法[10]。

由此可見(jiàn)，基于大數(shù)據(jù)的管道高后果區(qū)識(shí)別技術(shù)將替代傳統(tǒng)的識(shí)別方法，各類標(biāo)準(zhǔn)也將重新確立，這必定會(huì)改變現(xiàn)有的管道完整性評(píng)估和管理運(yùn)營(yíng)模式。

2 大數(shù)據(jù)獲取和應(yīng)用

2.1 特征數(shù)據(jù)來(lái)源

為了建立完整的高后果區(qū)特征數(shù)據(jù)庫(kù)，需要綜合各系統(tǒng)和數(shù)據(jù)庫(kù)資源。以智能管道系統(tǒng)和數(shù)據(jù)庫(kù)作為基礎(chǔ)，包括管道的基礎(chǔ)數(shù)據(jù)如：管材、焊接工藝、管徑壁厚、輸送介質(zhì)、埋深鋪管等；管道的運(yùn)營(yíng)數(shù)據(jù)如：工作壓力、溫度變化、清管泄壓、內(nèi)外檢測(cè)數(shù)據(jù)等；管道的評(píng)價(jià)數(shù)據(jù)：腐蝕缺陷、剩余強(qiáng)度檢測(cè)、維修檢測(cè)、風(fēng)險(xiǎn)評(píng)價(jià)等[11]。還包括地質(zhì)災(zāi)害圖形庫(kù)和預(yù)警系統(tǒng)數(shù)據(jù)，現(xiàn)場(chǎng)監(jiān)控的實(shí)時(shí)更新數(shù)據(jù)，預(yù)警、決策數(shù)據(jù)庫(kù)的評(píng)價(jià)預(yù)測(cè)數(shù)據(jù)，以及其他相關(guān)的大數(shù)據(jù)來(lái)源。特征數(shù)據(jù)庫(kù)建立如圖 1所示。

2.2 大數(shù)據(jù)在高后果區(qū)的應(yīng)用思路

采用大數(shù)據(jù)的油氣管道高后果區(qū)識(shí)別與管理，可以綜合利用人口、交通設(shè)施、環(huán)境因素等歷史數(shù)據(jù)資料和實(shí)時(shí)數(shù)據(jù)更新，反饋給管道檢測(cè)系統(tǒng)，及時(shí)動(dòng)態(tài)捕捉管道狀態(tài)，分析出不同級(jí)別和危險(xiǎn)程度的高后果區(qū)。

利用大數(shù)據(jù)信息的高后果區(qū)風(fēng)險(xiǎn)防控重要影響因素特征參數(shù)動(dòng)態(tài)采集與統(tǒng)計(jì)，其中數(shù)據(jù)信息來(lái)源包括：手機(jī)信號(hào)、管道高后果區(qū)高清攝像、地質(zhì)災(zāi)害圖形庫(kù)和預(yù)警系統(tǒng)數(shù)據(jù)、完整性檢測(cè)數(shù)據(jù)、氣象預(yù)報(bào)等；重要影響參數(shù)：人口密度、人類活動(dòng)（車輛、農(nóng)耕、施工等）、第三方破壞、自然災(zāi)害、管道本體特征等。分為管道本體、人口密度和環(huán)境因素三部分，如圖 2所示。

通過(guò)數(shù)據(jù)共享和實(shí)時(shí)反饋，將管道狀態(tài)數(shù)字化，將高后果區(qū)的識(shí)別和分級(jí)分類動(dòng)態(tài)化，更加真實(shí)地模擬出管道在不同環(huán)境下的危險(xiǎn)程度，從而針對(duì)不同管道進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)，提出不同狀態(tài)下的風(fēng)險(xiǎn)控制和減緩措施。

3 特征信息分析與利用

3.1 人口信息

通過(guò)對(duì)移動(dòng)信號(hào)的定位追蹤和處理，能快速和便利地獲取用戶的地理信息和其他信息，從而分析統(tǒng)計(jì)得出人口信息。首先需要構(gòu)建相關(guān)高后果區(qū)地圖信息模型，將移動(dòng)設(shè)備基站看作是坐標(biāo)的定位記錄點(diǎn)，所有基站共同組成了信號(hào)范圍的覆蓋區(qū)，建立網(wǎng)絡(luò)拓?fù)淇蚣埽�通過(guò)移動(dòng)設(shè)備的數(shù)據(jù)互聯(lián)，得到用戶的實(shí)時(shí)位置坐標(biāo)。基于此構(gòu)建高后果區(qū)范圍內(nèi)的人口密度模型，通過(guò)移動(dòng)設(shè)備的位置信息更新和對(duì)用戶信息的采 集整理，動(dòng)態(tài)統(tǒng)計(jì)人口密度和時(shí)空分布，并分析人員組成、人員行為特征、人員綜合素質(zhì)等[12]。其次，利用高清攝像頭和社會(huì)公共監(jiān)控系統(tǒng)統(tǒng)計(jì)分析人口流入和流出、駐留時(shí)長(zhǎng)、來(lái)往密度等數(shù)據(jù)信息，形成人口數(shù)量的數(shù)據(jù)視圖[13]，分析管道高后果區(qū)潛在影響區(qū)內(nèi)公眾出行時(shí)空特征，確定實(shí)時(shí)人口密度。

3.2 違章施工信息

通過(guò)遠(yuǎn)程視頻監(jiān)控系統(tǒng)對(duì)現(xiàn)場(chǎng)作業(yè)區(qū)全方位、無(wú)死角監(jiān)控，進(jìn)一步規(guī)范現(xiàn)場(chǎng)施工程序，及時(shí)發(fā)現(xiàn)現(xiàn)場(chǎng)違章行為。

3.3 地質(zhì)災(zāi)害信息

根據(jù)管道沿線地理地質(zhì)條件、地質(zhì)災(zāi)害等自然環(huán)境情況分布及變化趨勢(shì)，確定管道周邊環(huán)境特征參數(shù)。基于地理信息系統(tǒng)（GIS），參考地質(zhì)災(zāi)害圖形庫(kù)，與地質(zhì)災(zāi)害預(yù)警系統(tǒng)聯(lián)動(dòng)，從而實(shí)現(xiàn)管道的災(zāi)害預(yù)警和及時(shí)防控。建立基于大數(shù)據(jù)的地質(zhì)災(zāi)害信息管理系統(tǒng)，能便捷有效地整合多源、海量的地質(zhì)數(shù)據(jù)，使用戶快速查詢到相關(guān)地質(zhì)災(zāi)害信息，并可以通過(guò)三維可視化的方式展示查詢結(jié)果，實(shí)現(xiàn)動(dòng)態(tài)的地質(zhì)災(zāi)害類型檢索，災(zāi)點(diǎn)查詢，地質(zhì)信息更新，災(zāi)害預(yù)警等目的[14]。

3.4 管道缺陷信息

通過(guò)大數(shù)據(jù)采集方式，收集和保存油氣管道設(shè)計(jì)施工階段管材制造、焊縫、現(xiàn)場(chǎng)施工、人員操作等缺陷數(shù)據(jù)；運(yùn)營(yíng)時(shí)期管材、管徑和運(yùn)行壓力等數(shù)據(jù)；管道內(nèi)外檢測(cè)、管道腐蝕、失效泄漏等缺陷數(shù)據(jù)。將各管道公司的多源數(shù)據(jù)對(duì)齊匹配，建立完整共享的管道缺陷信息庫(kù)和動(dòng)態(tài)的管道缺陷信息網(wǎng)，為管道缺陷成因和變化趨勢(shì)提供重要的數(shù)據(jù)源。

4 高后果區(qū)風(fēng)險(xiǎn)動(dòng)態(tài)管控流程

利用大數(shù)據(jù)提煉油氣管道高后果識(shí)別和管理的關(guān)鍵參數(shù)后，便可部分實(shí)現(xiàn)管道動(dòng)態(tài)風(fēng)險(xiǎn)管控。即結(jié)合管道智能化建設(shè)成果，辨識(shí)出管道高后果區(qū)后果和失效影響因素，確定風(fēng)險(xiǎn)的類別和影響因素的重要性；完成管道風(fēng)險(xiǎn)/安全評(píng)價(jià)，確定管道風(fēng)險(xiǎn)等級(jí)；針對(duì)不同風(fēng)險(xiǎn)類別和不同等級(jí)，研究風(fēng)險(xiǎn)管控方法，并提出基于不同情景下的事故應(yīng)急處置措施。

基于大數(shù)據(jù)的油氣管道高后果區(qū)風(fēng)險(xiǎn)動(dòng)態(tài)管控流程如圖 3所示。

5 結(jié)語(yǔ)

油氣長(zhǎng)輸管道在運(yùn)行過(guò)程中會(huì)產(chǎn)生大量數(shù)據(jù)，這些數(shù)據(jù)是分析、評(píng)價(jià)與管理管道運(yùn)行的基礎(chǔ)，借助大數(shù)據(jù)分析與多年運(yùn)行管理積累的經(jīng)驗(yàn)，結(jié)合管道企業(yè)的現(xiàn)實(shí)需求，建立大數(shù)據(jù)分析模型和信息化管理平臺(tái)，對(duì)油氣管道進(jìn)行高后果區(qū)識(shí)別和管理具有重要意義。基于大數(shù)據(jù)條件下的油氣管道高后果區(qū)識(shí)別技術(shù)將替代傳統(tǒng)的識(shí)別方法，這必定會(huì)改變現(xiàn)有的管道完整性評(píng)估和管理運(yùn)營(yíng)模式。

參考文獻(xiàn)：

[1] Liao K, Yao Q, Wu X, et a1. A Numerical CorrosionRate Prediction Method for Direct Assessment ofWet Gas Gathering Pipelines Internal Corrosion[J].Energies, 2012, 5(10): 3892-3907.

[2] Timashev S A, Bushinskaya A V. Markov approachto early diagnostics, reliability assessment, residuallife and optimal maintenance of pipeline systems[J].Structural Safety, 2015(56): 68-79.

[3] El-Abbasy M S, Senouci A, Zayed T, et a1. Artificialneural network models for predicting condition ofoffshore oil and gas pipelines[J]. Automation inConstruction, 2014(45): 50-65.

[4] Castellanos V Albiter A, Barrera G. Failure analysisexpert system for onshore pipelines． Part-II: EndUser interface and algorithm[J]. Expert Systems withApplications, 201l, 38(9): 11091-11104.

[5] Layouni M， Hamdi M S, Tahar S. Detection andsizing of metal-loss defects in oil and gas pipelinesusing pattern-adapted wavelets and machinelearning[J]. Applied Soft Computing, 2016, 52.

[6] 林現(xiàn)喜，李銀喜，周信，等. 大數(shù)據(jù)環(huán)境下管道內(nèi)檢測(cè)數(shù)據(jù)管理[J]. 油氣儲(chǔ)運(yùn)， 2015， 34 (4):349-353.

[7] 吳琋瑛. 大數(shù)據(jù)在管道運(yùn)行中的應(yīng)用探討[J]. 天然氣與石油， 2015， 33(3)： 15-17.

[8] 董紹華，安宇. 基于大數(shù)據(jù)的管道系統(tǒng)數(shù)據(jù)分析模型及應(yīng)用[J]. 油氣儲(chǔ)運(yùn)， 2015， 34(10)： 1027-1032.

[9] 顧曉婷，王秋妍，孫萍萍，等. 大數(shù)據(jù)在管道安全評(píng)估中的應(yīng)用[J]. 消防科學(xué)與技術(shù)， 2017，36(3)： 398-400.

[10] 王新穎，張惠然，張瑞程，等. 基于深度學(xué)習(xí)的大數(shù)據(jù)管網(wǎng)風(fēng)險(xiǎn)評(píng)價(jià)方法[J]. 消防科學(xué)與技術(shù)，2019， 33(6)： 902-904.

[11] 袁鵬斌，劉鳳艷，舒江，等. 大數(shù)據(jù)時(shí)代油氣管道的安全與防護(hù)[J]. 無(wú)損檢測(cè)， 2015， 37(4)： 51-55.

[12] 溫騰龍. 移動(dòng)通信大數(shù)據(jù)在鄉(xiāng)鎮(zhèn)人口統(tǒng)計(jì)監(jiān)測(cè)中的應(yīng)用分析[J]. 海峽科技與產(chǎn)業(yè)， 2019(3)： 48-49.

[13] 符傳健. 基于大數(shù)據(jù)的人流量監(jiān)控系統(tǒng)研究[J]. 科技創(chuàng)新與應(yīng)用， 2016(28)： 97.

[14] 簡(jiǎn)銳敏. 基于大數(shù)據(jù)的地質(zhì)災(zāi)害信息管理系統(tǒng)開(kāi)發(fā)與關(guān)鍵技術(shù)[J]. 經(jīng)緯天地， 2019(02)： 3-5+7.

作者簡(jiǎn)介：魯青龍， 1987年生，畢業(yè)于中國(guó)石油大學(xué)（華東）材料科學(xué)與工程專業(yè)，碩士研究生，中國(guó)石油西南管道公司管道處主管，現(xiàn)主要從事管道完整性管理相關(guān)工作。聯(lián)系方式： 17790261009， luqinglong@